多代理 AI 系統：三種 pattern、5 個錯誤、一個反直覺建議

X 創作者 @eng_khairallah1 把 Anthropic 多代理 orchestration 包成 7 步驟教學帖，但裡面真正可帶走的是三種 pattern、5 個錯誤，以及一個反直覺建議：從 2 個代理開始。 ⭐ 文章深度讀：今天就試一個 2 代理 pipeline (例如「擷取資料 → 寫摘要」或「研究主題 → 整理重點」)，把輸出格式跑通，再考慮加第三個代理。 → https://heymaibao.com/multi-agent-ai-three-patterns-five-mistakes/ ⚡ 章節重點 00:00 開場：今天要拆解什麼 01:11 為什麼多代理打敗單代理：不是速度，是「特化」 02:00 三種協作 pattern：Pipeline、Fan-Out、Specialist Team 02:50 Fan-Out 與 Netflix 案例 03:34 Specialist Team 與 Harvey 案例 04:18 5 個常見錯誤 (1)：每個代理太通用、沒做錯誤處理、忽略 token 成本 05:23 5 個常見錯誤 (2)：輸出格式不標準與資料合約 06:18 一個反直覺建議：從 2 個代理開始 07:48 釐清：哪些是作者轉述、不是已驗證新聞 08:28 收尾：你今天就能動手做的兩段式任務 📝 懶人包 ∙ Khairallah 整理三種多代理協作 pattern：Pipeline (串行)、Fan-Out (一個指揮官把任務派給多個 worker 並行)、Specialist Team (多個不同專業代理協作)。 ∙ 他列出 5 個常見錯誤，每一條都對應一個具體的修法。 ∙ 他的 7 步驟建構流程裡，最反直覺的一條是「從 2 個代理開始」，不是一開始就建 10 代理系統。 ∙ 我的觀察：這篇推文的乾貨密度確實高，但裡面提到的具體公司聲明 (Netflix、Harvey、Shopify、Apple iOS 27 整合 Claude) 都是作者整理或引述，不是第一手新聞。pattern 心智模型可以留下，具體數字要當「作者轉述」處理。 📚 參考資料 How to Build a Team of AI Agents That Actually Work Together (Full Course) → https://x.com/eng_khairallah1/status/2055215784092401966